Olá, pessoal! Tudo bem?
Gostaria de compartilhar uma dica rápida de otimização de código referente à Etapa 2 dos Projetos Desafio 1 (Vendas Online) e 2 (Administração de Condomínios), especificamente na hora de limpar os caracteres de moeda e converter a coluna para float.
Nas aulas, vimos a abordagem usando o .apply(lambda x: ...) para fazer as substituições com o .replace(). Essa forma funciona perfeitamente e é ótima para entender a lógica. Porém, no dia a dia da área de dados, ao lidar com bases gigantescas (milhões de linhas), o .apply() pode virar um gargalo de performance, pois ele obriga o Pandas a executar um loop linha por linha no Python.
Uma alternativa mais eficiente e muito utilizada em ambientes de produção é a vetorização. Usando o acessor .str do Pandas, os comandos rodam em baixo nível (em linguagem C), processando a coluna inteira de uma vez só e deixando o código muito mais rápido.
Para facilitar a leitura, usar os parênteses () permite quebrar os métodos encadeados em várias linhas. Aqui está como ficou a refatoração dos dois desafios:
Projeto Desafio 1 (Vendas Online)
# VERSÃO DA AULA (usando apply):
# dados1['Valor da compra'] = dados1['Valor da compra'].apply(lambda x: x.replace('R$ ', '').replace(',','.').strip())
# VERSÃO OTIMIZADA (usando vetorização com .str):
dados1['Valor da compra'] = (dados1['Valor da compra']
.str.replace('R$ ', '', regex=False)
.str.replace(',', '.', regex=False)
.str.strip())
Projeto Desafio 2 (Administração de Condomínios)
Nessa base é usado a vírgula como separador decimal e possui a palavra " reais" no final.
*
# VERSÃO DA AULA (usando apply):
# dados2['valor_aluguel'] = dados2['valor_aluguel'].apply(lambda x: x.replace('$ ', '').replace(' reais', '').replace(',','.').strip())
# VERSÃO OTIMIZADA (usando vetorização com .str):
dados2['valor_aluguel'] = (dados2['valor_aluguel']
.str.replace('$ ', '', regex=False)
.str.replace(' reais', '', regex=False)
.str.replace(',', '.', regex=False)
.str.strip())
Dica Extra ( com Regex):
Se quisermos deixar o código ainda mais interessante, podemos usar Expressões Regulares (Regex). Em vez de dizer ao Pandas exatamente quais palavras apagar ("R$", "$", "reais", etc.), podemos criar uma regra única que serve para qualquer moeda: "Apague tudo que NÃO for número de 0 a 9 ou vírgula".
# Desafio 1
dados1['Valor da compra'] = (dados1['Valor da compra']
.str.replace(r'[^0-9,]', '', regex=True) # Apaga o "R", o "$", letras e espaços
.str.replace(',', '.', regex=False)) # Troca a vírgula por ponto
# Desafio 2
dados2['valor_aluguel'] = (dados2['valor_aluguel']
.str.replace(r'[^0-9,]', '', regex=True) # Apaga o "$", a palavra "reais" e espaços
.str.replace(',', '.', regex=False)) # Troca a vírgula por ponto
Espero que essa dica sejam útil para quem quer dar os primeiros passos na escrita de códigos otimizados para grandes volumes de dados!
Bons estudos!
Para saber mais: 
DOCUMENTAÇÃO 
Conte com o apoio da comunidade Alura na sua jornada. Abraços e bons estudos!